Hasil Uji Autocorrelation Uji Multicollinearity

67 secara individual ada beberapa variabel penjelas yang tidak berpengaruh nyata terhadap variabel endogennya pada taraf nyata α sebesar 10 persen, namun yang diutamakan dalam penelitian ini adalah kelogisan serta kesesuaian tanda dan besaran dengan kriteria ekonomi.

6.1.1. Hasil Uji Autocorrelation

Pendeteksian masalah autocorrelation pada penelitian ini dilakukan dengan menggunakan statistik DW dan statistik Durbin-h. Nilai statistik DW yang diperoleh pada persamaan permintaan bawang merah rumahtangga, permintaan bawang merah non rumahtangga, dan harga riil bawang merah impor adalah sebesar 2.2943, 2.4255, dan 1.4688. Hasil nilai tersebut menunjukkan bahwa masalah autocorrelation pada ketiga persamaan tersebut tidak dapat disimpulkan Pindyck dan Rubinfeld, 1998. Nilai statistik Durbin-h yang diperoleh pada persamaan produksi bawang merah nasional dan harga bawang merah di tingkat produsen adalah sebesar 1.2560 dan 1.5670. Berdasarkan hasil tersebut dapat dinyatakan bahwa persamaan produksi bawang merah nasional dan harga bawang merah di tingkat produsen tidak mengalami masalah autocorrelation, sedangkan persamaan luas areal panen bawang merah, impor bawang merah, dan harga riil bawang merah di tingkat konsumen tidak dapat dideteksi dengan menggunakan statistik Durbin-h, karena syaratnya tidak terpenuhi. Syarat yang dimaksud adalah hasil kali banyaknya contoh pengamatan T dengan kuadrat dari standar error koefisien “lagged endogenous variabel” var harus lebih kecil dari satu, sedangkan hasil yang diperoleh pada ketiga model tersebut adalah lebih besar dari satu. Hal ini mengindikasikan beberapa persamaan tidak dapat disimpulkan masalah autocorrelation, namun masalah autocorrelation hanya akan mengurangi 68 efisiensi estimasi parameter dan tidak menimbulkan bias estimasi parameter regresi Pindyck dan Rubinfeld, 1998.

6.1.2. Uji Multicollinearity

Masalah multicollinearity dalam model diidentifikasi dengan melihat nilai VIF. Nilai VIF yang diperoleh dari hasil output regresi menggunakan SASETS menunjukkan bahwa seluruh variabel penjelas yang terdapat dalam masing- masing persamaan struktural yang dibangun pada penelitian ini lebih kecil dari 10, sehingga dapat disimpulkan bahwa model yang dibangun tidak memiliki masalah multicollinearity yang serius Lampiran 10.

6.1.3. Uji Heteroscedasticity